基于EMI与ANN技术的声波信号探测机理研究

针对海上突发事件,如何有效地实现对水下目标探测、识别与定位问题。本文以飞机失事坠海后搜索黑匣子为背景,设计了一种基于阻抗分析的飞机黑匣子探测实验装置,搭建探测模拟黑匣子超声信标的实验平台,并进行水下探测实验,结合BP神经网络实现对超声信标的识别定位。实验结果表明该探测装置能够探测并识别不同位置的超声信标,从而验证阻抗分析法结合神经网络可以实现对超声信标的探测与识别,可为海上搜救工作提供相应帮助。     

水下声信标应用现状与发展前景

水下声信标因其在飞机"黑匣子"搜寻中的成功应用而广为人知,目前已广泛应用于多种海上作业平台、设备、人员的水下示位,并逐渐在海洋开发、科研试验等多个领域发挥越来越重要的作用。本文简要介绍水下声信标的功能、分类、研发标准、产品特点与发展方向,同时简单介绍配套声信标应用的水下搜寻定位技术与相关设备。     

基于EMI与ANN技术的水下目标探测系统

目前水下目标的探测方式主要是激光探测和声波探测。本文提出一种基于压电阻抗(EMI)与人工神经网络(ANN)技术的水下目标探测系统,设计了一种具有探测水下特定频率信号目标能力的潜航器,分析了该潜航器的主要结构、运动方式、控制方式;使用BP神经网络建立定位探测系统,结合三球定位原理,实现了对目标信号空间位置更精确的定位。     

一种低功耗水下定位声纳信标的电路设计

文章主要介绍一种低功耗、体积小,重量轻的水下定位声纳信标的电路设计。该电路用于对失事船只或飞机进行定位,信标一旦沉入水中,整个电路自动开始工作,周期性的发射预先设定的声信号,便于检测装置寻找失事目标。     

基于深度学习网络的舰船识别方法

合成孔径雷达SAR由于穿透力强,可全天候工作,目前在海上目标探测等领域获得了非常广泛的应用,SAR图像的舰船识别技术也成为一项热点研究。本文研究侧重于利用深度学习算法和卷积神经网络,实现海上舰船SAR图像的快速、准确识别。首先介绍深度学习和卷积神经网络的原理,然后基于深度学习网络建立了SAR图像船舶快速识别算法,最后结合海上SAR图像数据进行了舰船识别的仿真试验。     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

便携式水下声信标探测定位设备技术设计与实现

针对声基阵水下搜寻定位系统需要使用大型船只及直升机等大型操作平台的缺点,介绍了一种简单、便携、高效的水下声信标探测定位设备的设计与实现方法.利用指向性水听器及混频方法,将需要探测和定位的水下声信标信号通过音频形式输出,充分利用指向性水听器较普通水听器空间增益高以及人耳对信号识别能力强的特点,提高了复杂海况条件下对弱信号的检测能力.阐述了设备的组成、工作原理以及设备主要单元的设计方法,给出了设备样机在海上试验的结果,并对其适用的场合进行了说明.     

水下激光探测技术及其进展

水下激光探测技术在水下目标搜索、海洋地质勘探、目标识别等领域都具有重要的应用价值.通过对水下激光传输特性、水下激光探测模式及与之相关的同步扫描技术和距离选通技术等的讨论,对可用于水下探测的蓝绿激光器和光电探测器进行了性能对比,结合具体应用对国内外水下激光探测技术发展状况进行了分析.     

船舶的走航式水下多道电阻率测量系统设计与仿真

走航式水下测量系统以大型海上侦察船为载体,可以实现动态的海浪、水下洋流和海底地质环境的探测,对海洋资源勘探和船舶导航等具有重要作用。本文系统介绍一种走航式水下多道电阻率测量系统(NURSS),分析该系统的数据采集和分析原理,并对该系统的探测效果进行影响因素分析和基于RES2D软件平台的仿真实验。     

矢量矩阵处理在海面水声处理中的应用

从最小二乘法的思想出发,研究海面上多干扰信号产生的无法探测区域及干扰信号和有用信号频谱无法区别的情形下,利用矩阵滤波器来抑制海上多目标干扰的情况,通过矢量矩阵对水下目标准确定位,实现有用信号的快速识别,最后通过实验证明本方法的有效性。     

级联式变频器的一种优化控制策略的研究

级联式多电平变频器具有输出波形好、谐波含量低、无需滤波器等特点。本文针对该系列变频器，提出一种基于负载电流检测的新型优化控制策略。该控制策略通过检测负载电流的极性开通或者封锁功率器件的控制信号，不仅可以消除PWM控制信号中的死区时间，并且降低了功率器件的开关损耗。本文利用MATLAB软件进行了仿真分析，仿真结果表明该控制策略是可行的。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值。因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法，该方法能够自动的确定网络的最优结构和联结权值，同时避免网络的局部优化。将该方法用于被动声呐晶目标的分类识别，实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题，具有更好的识别率。     

OBF分解与BP网络在船舶磁场信号检测中的应用

针对水中兵器探测船舶磁场信号时信噪比较低的问题,提出了基于OBF分解与BP网络的船舶磁场信号检测算法。首先采用BP网络对测量数据进行预处理,滤除大部分环境磁噪声;再采用OBF分解算法对网络输出信号进行检测,提取归一化能量信号作为检验统计量。试验结果表明,本文算法可以显著提高信噪比,增强对船舶磁场信号的检测能力,性能明显...     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性.     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

磨粒识别神经网络专家系统的设计与实现

智能型磨粒识别是铁谱技术发展的主要趋势，人工神经网络技术的出现为这种智能化提供了一条崭新的途径。介绍神经网络专家系统的基本原理，叙述BP学习算法，设计基于该算法的磨粒识别神经网络专家系统，并予以实现。     

模糊专家系统在线谱检测中的应用研究

本文给出了一种线谱检测的组合方法.首先利用双门限线谱检测算法进行初始线谱检测,同时提取频率等线谱特征,在此阶段通过选择低门限,可以保证在低信噪比下无论信号和背景噪声是否平稳都可获得高的检测概率;然后研制了一个简单高效的线谱识别模糊专家系统,根据提取出的线谱特征,进一步剔除噪声点.分析验证表明,由于该算法将线谱检测和特征提取融合在一起,不但提取出了用于目标识别的线谱特征,而且非常宽容,能以高检测概率和低虚警概率自动地检测低信噪比线谱.     

基于图像识别技术的龙溪口航电工程智能视频监控系统设计

为加强施工现场的安全管理，对工人的安全帽佩戴进行智能化检测，提出一种基于图像识别技术的航电工程智能视频监控系统，由目标检测模块和网络通信模块构成，按照 C/S架构部署，并成功应用于岷江龙溪口航电枢纽施工现场。其中目标检测模块采用先进的目标检测算法，通过卷积神经网络对图像中的安全带和安全帽进行特征提取、分类和定位，完成识别；网络通信模块通过网络连接视频采集终端、服务器和视频播放终端完成图像采集、传输和显示。对系统各组分的测试表明，系统各项功能完备，各模块间连接完好，能够完成工程建设过程各场景的实时图像采集、传输、识别和显示功能，为龙溪口航电工程建设安全管理提供了坚实的基础。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。